Cuốn sách trình bày những tiến bộ mới nhất trong trí tuệ nhân tạo hiện đại, tập trung vào các mô hình như mạng nơ-ron tích chập, mạng nơ-ron hồi tiếp và mô hình tự chú ý.

Cuốn sách truy cập mở này cung cấp nhiều ví dụ thực hành minh họa cách điều chỉnh siêu tham số có thể được áp dụng trong thực tế và cung cấp những hiểu biết sâu sắc về cơ chế hoạt động của các phương pháp học máy (ML) và học sâu (DL).

Cuốn sách này được chia thành hai phần. Phần đầu tiên đề cập đến các kiến trúc học sâu và phần thứ hai mô tả trạng thái hiện đại của các ứng dụng dựa trên học sâu.

Cuốn sách này cung cấp tổng quan toàn diện về học sâu, xem xét các nguyên tắc của nó và tầm quan trọng ngày càng tăng trong mọi khía cạnh của cuộc sống.

Khái niệm cơ bản về mạng nơ-ron: Nhiều mô hình học máy truyền thống có thể được hiểu là trường hợp đặc biệt của mạng nơ-ron. Hai chương đầu tiên nhấn mạnh vào việc tìm hiểu mối quan hệ giữa học máy truyền thống và mạng lưới thần kinh.

Học sâu được áp dụng rộng rãi cho dữ liệu 3D thưa thớt để thực hiện các nhiệm vụ đầy thách thức, ví dụ: phát hiện đối tượng 3D và phân đoạn ngữ nghĩa. Tuy nhiên, hiệu suất cao của học sâu đi kèm với chi phí cao, bao gồm chi phí tính toán và nỗ lực thu thập và gắn nhãn dữ liệu.

Trí tuệ nhân tạo (AI) đã thu hút sự chú ý của các nhà nghiên cứu cũng như người dùng và đang ngày càng đóng vai trò quan trọng trong xã hội hiện đại của chúng ta. Từ ô tô, điện thoại thông minh và máy bay đến thiết bị y tế, ứng dụng tiêu dùng và máy móc công nghiệp, tác động của AI đang thay đổi thế giới chúng ta đang sống một cách nổi tiếng. Cuốn sách này xem xét các ứng dụng DL và xu hướng tương lai trong lĩnh vực này. Đây là một nguồn tài liệu hữu ích cho các nhà nghiên cứu cũng như sinh viên

Artificial Intelligence (AI) has attracted the attention of researchers and users alike and is taking an increasingly crucial role in our modern society.

The book offers mathematical and conceptual background, covering relevant concepts in linear algebra, probability theory and information theory, numerical computation, and machine learning. It describes deep learning techniques used by practitioners in industry, including deep feedforward networks, regularization, optimization algorithms, convolutional networks, sequence modeling, and practical methodology; and it surveys such applications as natural language processing, speech recognition, computer vision, online recommendation systems, bioinformatics, and videogames.

With the help of this 3-in-1 guide, you will be given carefully sequenced Python Programming lessons that’ll maximize your understanding, and equip you with all the skills for real-life application